Protein–protein interaction and site prediction using transfer learning

计算机科学 一般化 人工智能 蛋白质-蛋白质相互作用 学习迁移 水准点(测量) 变压器 机器学习 编码器 计算生物学 生物 遗传学 数学 数学分析 物理 大地测量学 量子力学 电压 地理 操作系统
作者
Tuoyu Liu,Han Gao,Xiaomin Ren,Guanglong Xu,Bo Liu,Ningfeng Wu,Huiying Luo,Yuan Wang,Tao Tu,Bin Yao,Feifei Guan,Yanguo Teng,Huoqing Huang,Jian Tian
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:24 (6)
标识
DOI:10.1093/bib/bbad376
摘要

Abstract The advanced language models have enabled us to recognize protein–protein interactions (PPIs) and interaction sites using protein sequences or structures. Here, we trained the MindSpore ProteinBERT (MP-BERT) model, a Bidirectional Encoder Representation from Transformers, using protein pairs as inputs, making it suitable for identifying PPIs and their respective interaction sites. The pretrained model (MP-BERT) was fine-tuned as MPB-PPI (MP-BERT on PPI) and demonstrated its superiority over the state-of-the-art models on diverse benchmark datasets for predicting PPIs. Moreover, the model’s capability to recognize PPIs among various organisms was evaluated on multiple organisms. An amalgamated organism model was designed, exhibiting a high level of generalization across the majority of organisms and attaining an accuracy of 92.65%. The model was also customized to predict interaction site propensity by fine-tuning it with PPI site data as MPB-PPISP. Our method facilitates the prediction of both PPIs and their interaction sites, thereby illustrating the potency of transfer learning in dealing with the protein pair task.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小星星完成签到 ,获得积分10
1秒前
白樱恋曲完成签到,获得积分10
1秒前
cc951229发布了新的文献求助10
2秒前
谦让的紫蓝完成签到,获得积分10
5秒前
Ava应助maliang666采纳,获得20
10秒前
明亮无颜发布了新的文献求助10
11秒前
所所应助cc951229采纳,获得10
15秒前
JamesPei应助cc951229采纳,获得10
15秒前
fffffffq完成签到,获得积分10
17秒前
AJY完成签到,获得积分10
20秒前
22秒前
天天完成签到 ,获得积分10
23秒前
珍妮完成签到,获得积分10
25秒前
maliang666发布了新的文献求助20
26秒前
小二郎应助科研通管家采纳,获得10
27秒前
科研通AI2S应助科研通管家采纳,获得10
28秒前
彭于晏应助科研通管家采纳,获得10
28秒前
传奇3应助科研通管家采纳,获得10
28秒前
科研通AI2S应助科研通管家采纳,获得20
28秒前
天天快乐应助科研通管家采纳,获得10
28秒前
丘比特应助科研通管家采纳,获得10
28秒前
Owen应助科研通管家采纳,获得10
28秒前
28秒前
wuzhoumeng完成签到,获得积分10
29秒前
30秒前
连灵竹完成签到,获得积分0
30秒前
芽芽豆完成签到 ,获得积分10
32秒前
陆小果完成签到,获得积分10
33秒前
丘比特应助KingYugene采纳,获得10
34秒前
38秒前
浣熊小呆完成签到,获得积分10
40秒前
周周完成签到 ,获得积分10
41秒前
冷傲老九发布了新的文献求助20
42秒前
43秒前
maliang666完成签到,获得积分10
45秒前
云瑾应助河马卡卡采纳,获得20
48秒前
KingYugene发布了新的文献求助10
48秒前
49秒前
49秒前
香烟小厨发布了新的文献求助50
54秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137627
求助须知:如何正确求助?哪些是违规求助? 2788531
关于积分的说明 7787471
捐赠科研通 2444861
什么是DOI,文献DOI怎么找? 1300119
科研通“疑难数据库(出版商)”最低求助积分说明 625814
版权声明 601023